Learning Influence Probabilities In Social Networks

Learning Influence Probabilities In Social Networks

  • Amit Goyal, Francesco Bonchi, Laks V.S. Lakshmanan
  • WSDM 2010

概要

  • 情報拡散の確率を学習したい
  • 色々モデル提案
  • アクティブになる時刻も推定できるよ

問題定義

  • 辺が作成されたタイムスタンプの考える
  • (u, a, t_u)が一杯もらえる
    • u: ユーザー
    • a: 行動
    • t_u: 時刻
  • (u,v)について,u,vの順に行動して,辺の作成時刻に矛盾が無ければ,uからvに伝搬した
  • 各行動について,↑でありうる辺を取ってきた時の伝播グラフを考える

枠組み?

  • uの近傍のアクティブユーザーをSとして
  • p_u(S)≧θ_u ならuもアクティブになる
  • p_u(S) = 1-Π_u (1-p_vu) にする
  • User Influenceability
    • 影響しやすさ?か影響されやすさの指標
  • Action Influenceability

モデル

Static Models

  • 時刻とか無視
  • Bernoulli 分布
    • p_uv = A_u2v/A_u
    • uがアクティブになった時に,vをアクティブにした確率
  • Jaccard Index
    • p_uv = A_u2v/A_u|v
  • Partial Credits
    • 近傍を考え重みをつける感じ

Continuous Time (CT) Models

  • 連続時刻を考える
  • p^t_uv = p^0_uv・e^{-(t-t_u)/τ_uv}
  • 時刻tで試行が成功する確率が指数的に減る

Discrete Time (DT) Models

  • 離散
  • t_vから長さτ_uvの区間だけ有向で他は0
  • p_u(S)も違う?
    • というより,Sが変化した時に簡単に確率p_u(S)を更新できる

アルゴリズム

  • 学習・評価のための手法を考える
  • データのパス数を少なくしたい
  • 学習はまー適当に頑張る
  • 評価手法
    • ROCカーブを出す
    • 実際の評価とモデルの評価の違いでtrue positiveとか出す

実験

  • Flickr
    • `joining a group'が行動に相当
    • グループ毎に行動の種類が設定されるのかな
  • ROC
    • Staticよりは他の2つの方がよい
    • 確率が高い頂点に関する予測の方が精度が良い
  • スケーラビリティ
    • 連続は時間かかる
    • 離散はそんなにかからない

まとめ

  • 実際のデータなので面白いかも
  • 適当感あるけど,これでいいのでるんかな

WSDM inference

2014-02-23 04:04:45 (Sun)

タグ:

WSDM inference
最終更新:2014年02月23日 04:04